智能推荐算法已经一步步应用在我们生活的方方面面了吗?

  • 回答 (6)
  • 关注 (0)
  • 查看 (112)

从最早的去店里买东西导购会“推荐”商品,到现在利用大数据的推荐系统,智能推荐已经应用在我们生活方方面面了吗?

独善其身独善其身提问于
安好回答于

对啊,最明显的是音乐类软件。

现在和过去不一样,过去在电视上或者在商场里听到一首很好听的歌,就去找歌名,把它下载下来。现在的歌太多了,各种创作歌手,民谣,音乐选秀节目,直播等等,歌曲的数量指数上升,现在除了特意下载的歌曲,大多数用户都是用app里的“随便听听”“今日推荐”“私人FM”等等,基本上你推荐啥我听啥,不好听就跳过,好听就收藏。

那么,一款音乐类APP,和别的平台最重要的差异,除了歌曲的版权就是这个推荐算法,毕竟哪个用户都不行一直按跳过啊。

简而言之,就是根据用户的兴趣特点、购买行为等习惯,像用户推荐其感兴趣的内容。

那么,一般音乐app的推荐算法原理是怎么样的呢,我简答说一下。

1.给音乐进行归类并建立评分规则

简单说就是把音乐贴标签,把相同/相似标签的音乐归到一块,所以一首歌可能会被归到多个类别里,比如说同一个歌手的歌、同种曲风或者表达某一个情绪等等。

其次对用户听音乐行为建立评分规则有助于更好分析用户的喜好从而进行更精确的推荐,比如以下行为:

2.建立用户模型

制定评分规则后,就可以得到每个用户和该用户相关的每首歌的一个得分,那么根据这些数据就可以给用户建立相应的模型从而为其做精确推荐。

3.寻找相似的用户

是时候介绍一下专业的词了,常用的计算相似度评价值的体系有两种:欧几里得距离和皮尔逊相关度。后者有点复杂,这里简单介绍欧几里得距离。

欧几里得距离非常直观,如下图,根据上面得出的评分,我们可以制作二维图,简单明了看出用户在哪个位置,比如 A 用户就与 D 用户距离最近,所以可以给 A 推荐 D 喜欢的歌曲。

秋千回答于

当然,从人工的“导购”推荐,到现在电商上的智能推荐,这种推荐算法确实已经应用在我们生活的方方面面。

举个例子,如果你要买台电脑,所以先去电商那搜索CPU,智能推荐算法就会立马关联内存条,显卡,主板等等,这样就方便了用户,提高了搜索效率,同时也能增加用户购买更多商品的可能性,可谓双赢。

总的来说,个性化推荐在电商平台中主要承担的任务是做用户和商品之间的精准匹配,从用户的角度来看,个性化推荐可以帮助用户在茫茫的商品中迅速找到自己有购买意愿,大幅降低商品搜寻成本。从电商平台的角度看,个性化推荐系统可以支持平台做到 uv 粒度的精细化运营,不管是促成交还是达到其他优化目标,个性化的流量分配可以最大化流量使用效率。

推荐系统已经是我们在网上购物必不可少的一种辅助,而推荐算法是否足够智能,是否足够人性化,也是各电商网站比拼的重要部分,向我在某宝买了个电饭煲,它还一直推荐其他电饭煲.....这就让我很无语,谁没事买两个电饭煲啊。

爆栈工程师世界上的确有一些缘分,使你在第一次相遇就敢于倾述内心最真实的感觉回答于

TGP的游戏推荐,让我知道了很多不出名的独立游戏,作为“硬核”玩家真的美滋滋。

陈佳宁回答于

唔,你有没有发现,其实大多数网上的新闻,都是经过筛选,推荐你感兴趣的领域,然后推荐给你的哦(为了流量和点击率)。

目前新闻类的app都在广泛使用机器学习来构建推荐系统,包括如何在线训练大规模推荐模型,典型召回策略的设计方法,多目标如何融合等。

传统的协同过滤、tag、和各基于规则或者群体智能甚至物理学的传统推荐方法在逐渐被淘汰。这点在内容推荐上尤其明显,因为这些传统推荐策略都无法解决对长尾内容的精细化个性化推荐和热度穿透等问题,而且效果上也远远不如机器学习方法。

如果你想了解新闻类app的推荐算法,我建议可以看看今日头条公开的他们的算法

作为如今国内数一数二的新闻类app,他们的算法还是比较靠谱的,还解释了如何实现冷启动,广告和内容该怎样平衡,怎样准确地拓展用户兴趣图谱等切实的工程性问题。

浩3538回答于

怎么说呢,推荐系统就像是发传单,不过是在网上发,而且是根据你的口味自动发,让传单的效率大大提高。

在现实生活中发传单的都这么多了,网上的更多也不奇怪啊。

正在输入回答于

你有没有发现,每次你看完一个视频,结束页面都是其他视频的推荐?

你有没有发现,他推荐的视频都是和你刚看完的那个视频有共通点的,要么是同一个视频制作者,要么是同一个主题的?

世界最大的视频播放网站youtube就凭借他的推荐算法,获得了科技艾美奖。

颁奖词说:他们这个独有的算法,让这个网站看起来非常个人化,通过梳理海量的内容,网站可以找出看似散落的、却能捕获你几分钟注意力的标签、或者内容。推荐算法依然是YouTube最具价值的财产。

扫码关注云+社区